森林火灾是一种世界性的重要自然灾害,越来越受到各国政府的重视。由于森林火灾具有传播速度快、灭火和营救都比较困难等特点,所以如何有效地进行森林火灾的安全防范以及尽早发现火灾的问题就变得越来越紧迫。作为一种新型的有效的早期火灾探测技术,图像型火灾探测技术倍受人们的关注。首先,本文介绍了森林火灾发展过程中呈现的主要物理现象,在此基础上讨论了早期森林火灾的烟雾特征和火焰特征,通过对这些特征的研究发现一些规律和特性,为火灾的探测提供了重要的依据。然后,论文对基于传统的二维灰度直方图的闽值分割方法作了分析,针对其区域划分的缺陷和运算速度慢的缺点.改进了传统二维直方图,在此基础上提出了一种新的阈值选取方法,并利用粒子群优化算法自适应搜索最优解,通过此最优解完成对火灾图像的分割.最后,论文讨论了早期森林火灾图像识别技术,并以径向基函数(RBF)神经网络为载体,结合火灾图像的特点,进行识别判断。本文详细地分析了火灾火焰的面积增长、边缘变化、形体变化和整体移动特性等规律,并提出了相应的识别算法。同时介绍了神经网络的基本概念以及RBF神经网络的具体结构和输入输出单元的算法及设计方案.通过上述方法,我们可以识别出早期森林火灾的火焰图像。实验结果表明,本文所给出的算法能够较好地实现对早期森林火灾的探测和识别。